对于全要素生产率的测度,学术界一般采用传统核算方法、SFA方法和DEA方法。(一)DEA方法的不足支出。①可以测算多投入多产出的效率问题,但忽视了随机误差的影响(Sun et al.,2015;韩东亚和刘宏伟,2019),换句话说,在实际分析中可能会因为随机误差的存在而导致结果偏差,且DEA难以检验回归结果总体的显著性,无法直接对物流效率的影响因素进行分析(韩东亚和刘宏伟,2019)。②传统的DEA方法无法区分环境因素、随机误差和内部管理等变量的影响,难以做出较真实的效率评价(秦雯,2020)。(二)DEA的优点在于:①无需设定具体函数形式,从而可以避免如传统核算方法和SFA方法因生产函数误设而导致的结构偏差;②可以将全要素生产率分解为技术进步指数和技术效率指数;③可以将污染产出纳入统一的投入—产出生产系统,从而得到绿色全要素生产率(黄庆华等,2020)。(三)SFA的优点。SFA优于DEA之处,是它考虑随机误差的存在对结果造成的影响,提前确定生产函数形式再研究企业的生产过程,可以提高计算技术效率的准确性,还可以分析效率与影响因素之间的相关性。
在测度城市效率的研究中,有研究者采用超效率SBM模型——测算静态效率。与传统BCC和CCR模型相比,SBM模型直接将松弛变量纳入到目标函数中。超效率SBM模型,用于评价SBM有效的DMU,以此弥补不能将所有DMU效率值计算出来的缺陷。为了满足评价城市效率的研究需要,将非期望产出引入超效率SBM模型中,可以建立非期望产出SBM模型(袁晓玲等,2020)。
黄庆华等(2020)采用SBM—GML 指数模型测度的绿色全要素生产率。
不够全面,待补充。
参考文献:
袁晓玲, 王军,张江洋.高质量发展下城市效率评价——来自19个副省级及以上城市的经验研究[J].城市发展研究,2020,27(6):62-70.
黄庆华, 时培豪,胡江峰.产业集聚与经济高质量发展:长江经济带107个地级市例证[J].改革,2020(01):87-99.